Timo Honkela, kutsuttu esitelmä Automaatiopäivillä 2017
-
Upload
timo-honkela -
Category
Technology
-
view
15 -
download
0
Transcript of Timo Honkela, kutsuttu esitelmä Automaatiopäivillä 2017
Timo Honkela, 23.3.2017, Automaatiopäivät 2017, Vaasa
Timo Honkela
23.3.2017
Nykyaikainen tekoäly ymmärtämisen,
reiluuden ja tehokkuuden työkaluna
Automaatiopäivät 2017, Vaasa
Timo Honkela, 23.3.2017, Automaatiopäivät 2017, Vaasa
Miten käy, jos emmehyödynnä koneita (koneoppimista)
nykyistä paremmin?
https://www.pinterest.com/pin/509680882801748515/
Emme pärjää kilpailussajunaan käyttävälle
kilpailijallemme, vaikkaannamme hevosillevähemmän kauraa,
ratsastajille pienempääpalkkaa, …
… tuotammehalvempaaenergiaa,karsimme
kustannuksia,pienennämmetyöntekijöidenpalkkoja, ...
Timo Honkela, 23.3.2017, Automaatiopäivät 2017, Vaasa
Nykyaikainen tekoäly (1/2)
● Pyrkimyksenä matkia ihmisen älykkäitä toimintoja
● Laaja joukko menetelmiä ja tekniikoita● Työtä on tehty yli 50 vuotta eivätkä kaikki
merkitykselliset keksinnöt ole kovin uusia● Koneista tulee yhä ihmismäisempiä, mutta kyse
on yhteisevoluutiosta: ihmiset saavat kehityksen myötä uusia mahdollisuuksia; kyse ei ole ihmisten korvaamisesta kaiken kaikkiaan vaan uusista työnjaoista
Timo Honkela, 23.3.2017, Automaatiopäivät 2017, Vaasa
Nykyaikainen tekoäly (2/2)
● Luokittelua, ryhmittelyä, tiedon tiivistämistä, (monitavoite)optimointia, dynaamisten ja kaoottisten ilmiöiden mallintamista, aikasarja-analyysia, kieli- ja käsitelejärjestelmien mallintamista, jne.
● Ihmisen osaamisen erilaisten osien matkiminen: – tiedon esittäminen, – päättely, – ongelmanratkaisu ja luovuus, – hahmontunnistus (silmät, näkö / kuva- ja videoanalyysi, korvat,
kuulo / puheentunnistus, iho, tuntoaisti / robotiikka), – kielen ja puheen tuottaminen, – tunteiden mallintaminen
Timo Honkela, 23.3.2017, Automaatiopäivät 2017, Vaasa
Tekoälyn perinteitä
● Sumeat järjestelmät (Zadeh ym.)● Neuroverkot (Kohonen ym.)● Geneettiset algoritmit (Alander ym.)
Teoreettiset perusteet
Reaalimaailman esimerkit
Timo Honkela, 23.3.2017, Automaatiopäivät 2017, Vaasa
Kokemuksellinen ja kielellisesti välittynyt tieto
● Jako on tunnettu pitkään– esimerkiksi Vygotsky
● Tullut suosituksi tarkastelun kohteeksi viime vuosikymmeninä– Gigerenzer, Dijksterhuis, jne.
● Tekoälyn peruslähestymistavat heijastelevat samaa jaottelua– havaintodataa käsittelevät neuroverkot versus
sääntöjärjestelmät
Timo Honkela, 23.3.2017, Automaatiopäivät 2017, Vaasa
Deep learning
● Monikerrosneuroverkoilla tavoitellaan ihmismäistä kykyä käsitteellistää automaattisesti havaintodatasta käsitteellisiä ja kielellisiä sisältäjä
● Perinteisesti monikerrosverkkoja on opetettu ohjatusti, luojat valmiiksi antaen
● Ohjatun oppimisen haaste on tarvittavan datan suuri määrä
● Harri Valpola tutkimusryhmineen on kehittänyt menetelmiä, joita tarvitsisi ohjata mahdollisimman vähän
Timo Honkela, 23.3.2017, Automaatiopäivät 2017, Vaasa
Kielten ymmärtämäänoppivat koneet (1/2)
● Kielellisten merkitysten mallintamiseen eivät riitä perinteiset symbolisen logiikan keinot
● Ongelmat logiikan käytössä ovat määrällisiä ja laadullisia
● Sääntöjä kokonaisen kielen merkitysten tulkitsemiseksi tarvittaisiin valtava määrä
● Säännöt eivät vastaa esittämisen tarvetta: kohteena on symbolisten rakenteiden ja dynaamisten moniulotteisten jatkuvien ilmiöiden välisiä suhteita
Timo Honkela, 23.3.2017, Automaatiopäivät 2017, Vaasa
Kielten ymmärtämäänoppivat koneet (2/2)
● Sanojen ja ilmaisujen merkitystä voidaan mallintaa tarkastelemalla tilastollisesti niiden esiintymisyhteyksiä
● Sanat "kissa" ja "koira" tai "hyppivät kissa" ja "loikkiva koira" ovat esiintymiskonteksteiltaan ja sitä myöten oletusarvoisesti myös merkitykseltään lähempänä toisiaan kuin vaikkapa "ovi" tai "nariseva ovi".
Timo Honkela, 23.3.2017, Automaatiopäivät 2017, Vaasa
Suomen tieteen kartta Akatemian aineistosta
(Hon
kela
& K
lam
i, 20
08)
Kemia
Luonnon- jainsinööritieteet
Bio- jaympäristötieteet
Terveystieteet
Kulttuuri- jayhteiskunta-
tieteet
Timo Honkela, 23.3.2017, Automaatiopäivät 2017, Vaasa
Merkitysneuvotteluiden perusteet oppivia koneita
● Sanojen merkityssuhteiden tai dokumenttien aiheiden tilastollisessa mallintamisessa hyödynnetään sana-konteksti- tai sana-dokumentti -matriiseja
● Yksilö saadaan mukaan laajentamalla matriisi eli kaksisuuntainen tensori kolmisuuntaiseksi tensoriksi
● Yhdellä sivulla ovat sana (tai ilmaisut), toisella kontekstit ja kolmannella yksilöt (tai ryhmät)
● Jos saatavilla on tarpeeksi dataa, voidaan kullekin yksilölle laskea erikseen kunkin sanan merkitysten
● Useimmiten tilastollisesti datasta päätellyt merkitykset ovat lähellä toisiaan, kuten olettaa sopii, mutta läheskään aina näin ei ole
Timo Honkela, 23.3.2017, Automaatiopäivät 2017, Vaasa
Taustaa: tulkinnan yksilöllisyydenmallintaminen (GICA-menetelmä)
● GICA-menetelmät (Grounded Intersubjective Concept Analysis) (Honkela ym. 2012) mahdollistaa mallit, joissa kunkin sanan merkitystä tarkastellaan yksilöllisesti
● Esimerkkinä USAn presidenttien puheet(State of the Union Address) ja sanan HEALTH merkityksen analyysi kontekstitietoatilastollisesti analysoide
Timo Honkela, 23.3.2017, Automaatiopäivät 2017, Vaasa
Sanan “health” analyysi
Honkela ym. 2012
Timo Honkela, 23.3.2017, Automaatiopäivät 2017, Vaasa
Reiluuden käsite ja toteutuma?
● Yksilöllisesti muodostetuilla voidaan määritellä tulkintaerot vaikkapa reiluus-sanan suhteen
● Jo sanan punainen tulkinnassa on selviä tilanne- ja yksilökohtaisia eroja
● Teollisesti ja yhteiskunnallisesti tärkeät sanat ovat monesti haastavia; niiden merkitys ei välttämättä ole kovinkaan hyvin jaettu ("aita ja aidan seipäät")
● Niinpä merkitysneuvottelut koneiden avulla olisi hyvä käydä ennen kuin ryhdykään keskustelemaan itse asioista
Timo Honkela, 23.3.2017, Automaatiopäivät 2017, Vaasa
Tehokkuuden välineet
● Tehokkuutta kohti päästään erilaisilla optimoinnin keinoilla
● Tehokkuus on olennaista esimerkiksi kilpailukyvyn tai resurssiniukkuuden (kulut, ympäristöasiat) näkökulmasta
● Monitavoiteoptimoinnilla on syytä tavoittaa erilaisten intressien tasapainoja
● Nykyaikainen tekoäly tarjoaa keinoja kvantitatiivisten ja kvalitatiivisten kysymysten tarkasteluun (ks. esim. Janasik ym. 2009)
Janasik, N., Honkela, T. & H. Bruun. (2009) Text Mining in Qualitative Research: Application of an unsupervised learning method.Organizational Research Methods 12 (3). http://orm.sagepub.com/content/12/3/436.full.pdf
Timo Honkela, 23.3.2017, Automaatiopäivät 2017, Vaasa
Rauhankone – konsepti ja kirjahanke
● Ymmärtäminen– merkitysneuvottelut
● Terveet ja rauhalliset tunteet● Reilu talous ja yhteiskunta
Timo Honkela, 23.3.2017, Automaatiopäivät 2017, Vaasa
Kiitos!